reshape(shape) ： 不改變數組元素，返回一個shape形狀的數組，原數組不變。是對每行元素進行處理

resize(shape) ： 與.reshape()功能一致，但修改原數組

In [1]: a = np.arange(20)#原數組不變In [2]: a.reshape([4,5])Out[2]:array([[ 0, 1, 2, 3, 4],  [ 5, 6, 7, 8, 9],  [10, 11, 12, 13, 14],  [15, 16, 17, 18, 19]]) In [3]: aOut[3]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,  17, 18, 19]) #修改原數組In [4]: a.resize([4,5]) In [5]: aOut[5]:array([[ 0, 1, 2, 3, 4],  [ 5, 6, 7, 8, 9],  [10, 11, 12, 13, 14],  [15, 16, 17, 18, 19]])

.swapaxes(ax1,ax2) ： 將數組n個維度中兩個維度進行調換，不改變原數組

In [6]: a.swapaxes(1,0)Out[6]:array([[ 0, 5, 10, 15],  [ 1, 6, 11, 16],  [ 2, 7, 12, 17],  [ 3, 8, 13, 18],  [ 4, 9, 14, 19]])

.flatten() ： 對數組進行降維，返回折疊后的一維數組，原數組不變

In [7]: a.flatten()Out[7]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,  17, 18, 19])

將多個二維數組合并為一個三維數組

方法一：

對于兩個（或者多個）同一維度的矩陣，直接利用np.array()重新構造一個array,這樣可以變相起到擴展維數的作用。例如：

import numpy as np a = np.array([[1,2,3],[4,5,6]])b = np.array([[2,2,3],[4,5,6]])c = np.array([[3,2,3],[4,5,6]])print('矩陣a：/n',a)print('維數：',a.shape) com = np.array([a,b,c])print('合并矩陣：/n',com)print('維數：',com.shape) 輸出結果為： 矩陣a： [[1 2 3] [4 5 6]]維數： (2, 3)合并矩陣： [[[1 2 3] [4 5 6]]  [[2 2 3] [4 5 6]]  [[3 2 3] [4 5 6]]]維數： (3, 2, 3)

方法二：

但是，如果兩個array，使用方法一時會出現如下結果：

import numpy as np aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a = np.array([[4,2,3],[4,5,6]]) com = np.array([aa,a])print('合并矩陣：/n',com)print('維數：',com.shape) 輸出結果： 合并矩陣： [array([[[1, 2, 3],  [4, 5, 6]],   [[2, 2, 3],  [4, 5, 6]],   [[3, 2, 3],  [4, 5, 6]]]) array([[4, 2, 3],  [4, 5, 6]])]維數： (2,)

可以看到：輸出的維數不對，以上方法就不適用了。

那么，我們就需要利用np.append和array.reshape()函數對數組進行拼接之后重組，具體實現如下：

import numpy as np aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a = np.array([[4,2,3],[4,5,6]])data = np.append(aa,a)#先拼接成一個行向量print(data) dim = aa.shape#獲取原矩陣的維數print('原矩陣維數：',dim)data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通過原矩陣的維數重新組合 print('合并矩陣：/n',data1)print('維數：',data1.shape)

現在來看一下用reshape將二維數據升為三維后的數據分布情況：